麻省理工學院開發最新人工智能編程語言，小白也能輕鬆用！

近日，麻省理工學院的學生們成功創造了一種全新的人工智能編程語言。他們表示，重新手到專家，Gen能夠被任何人輕鬆使用。無需複雜的代碼，這種新穎的機率編程系統就可讓用戶編寫用於統計預測的複雜模型和推理程序，使其更容易被全部人訪問。

不少精確的預測模型在過去須要大量的手工編碼，可是Gen改變了這一點。Gen既能引領新手涉足人工智能領域，又能幫助專家取得新進展，讓他們僅用幾行代碼就能將本身的想法打形成原型，併爲本身的自動化人工智能系統編寫代碼。

研究人員試圖將自動化、靈活性和高效等AI界最好的屬性結合在一塊兒。開發Gen的團隊成員Vikash K. Mansinghka認爲，「若是咱們能作到這一點，也許咱們能夠幫助更普遍的建模和推理算法實現大衆化，就像TensorFlow爲深度學習所作的那樣。」

Gen適用哪裏？根據MIT的論文描述，Gen能夠應用於例如計算機視覺、機器人和統計等多個AI技術領域的模型編寫及算法，無需處理方程式或手動編寫高性能代碼。

一個簡短的Gen程序能夠幫助用戶推斷出困難的計算機視覺推理任務，好比推斷出3D的身體姿式。這在自主系統、人機交互和加強現實中都有應用。

不只如此，Gen程序還包含執行圖形渲染、深度學習和機率模擬類型等組件。與一些研究人員開發的早期系統相比，這些不一樣技術的結合具備更高的準確性和速度。

Gen能夠經過使用另外一個Gen程序來簡化數據分析，該程序可自動生成一般由專家用於分析、解釋和預測數據中基礎模式的複雜統計模型。而早期的系統則須要大量的手動編碼才能進行準確的預測。

是什麼讓Gen不同凡響?與TensorFlow、PyTorch、Theano等深度學習平臺不一樣，Gen程序明確分解了建模和推理。

經過自動化的過程來計算各類先進的蒙特卡羅技術所需的提案密度，Gen爲Julia和TensorFlow代碼的結合提供了一個優質平臺。

論文中還提到，Gen在解決包括單深度圖像3D身體姿態在內的推理方面，遠遠優於現有的機率編程語言。Gen還可使用如優化、變分推理、某些機率方法和深度學習等方法，爲推理任務提供高級基礎架構。Gen擁有更靈活的推理編程能力，這使性能提升變爲可能。

就實例而言，Gen在如下方向找到了本身的定位： 英特爾和麻省理工學院合做，正在開發用於Gen加強現實系統的深度感知相機。

麻省理工學院林肯實驗室(MITLincolnLaboratory)將Gen應用於航空機器人領域，用於人道主義救援和災難響應。Gen是MIT-IBM Watson AI Lab項目的核心，美國國防高級研究計劃局(Defense Advanced Research ProjectsAgency)正在進行該項研究，該項目旨在模擬18個月大嬰兒的人類常識水平。

Uber首席科學家、人工智能副總裁、劍橋大學教授ZoubinGhahramani雖然沒有參與這項研究，可是他表示，「Gen表明了這一領域的重大進步，將有助於基於機率推理的可伸縮性和實際的AI系統實現。」

Google的研究主管Peter Norvig也沒有參加這項研究，但他一樣對Gen給予了高度評價：「(Gen)容許遇到問題的人使用機率編程，從而針對問題自己提出更有原則的解決方法，而且不受機率編程系統設計者的選擇限制。通用編程語言之因此成功，是由於它們讓程序員更容易完成任務，同時也讓程序員可以創造出全新的事物來高效地解決新問題。Gen對機率編程也是如此。」